[发明专利]一种基于高光谱的双孢蘑菇超声渗透过程可溶性固形物含量预测方法

说明书

本发明提供了一种基于高光谱的双孢蘑菇超声渗透过程可溶性固形物含量预测方法，属于双孢蘑菇中可溶性固形物含量测定技术领域。本发明首先将双孢蘑菇在渗透液中进行不同时间的超声渗透处理，得到实验组样品和对照组样品；采用高光谱采集高光谱图像、提取其原始光谱；采用数显折光仪测定对照组和实验组中双孢蘑菇样品的可溶性固形物值；然后对原始光谱进行预处理并提取特征波长，最后通过偏最小二乘回归建立特征光谱矩阵与可溶性固形物含量值矩阵的线性回归模型，实现对待测双孢蘑菇样品可溶性固形物含量的预测。本发明避免了传统的破坏式检测农产品可溶性固形物的方法，可实现无损、快速、准确的检测评估。

技术领域

本发明涉及双孢蘑菇中可溶性固形物含量测定技术领域，具体涉及一种基于高光谱的双孢蘑菇超声渗透过程可溶性固形物含量预测方法。

背景技术

双孢蘑菇是世界上产量最高、消费量最大的食用菌之一，其色泽洁白，口感鲜美，营养丰富，深受消费者的喜爱。但其呼吸频率高，含水量高，容易发生微生物腐败并呈现出酶促褐变。因此通常需要对采摘后的双孢蘑菇进行干燥处理以延迟其货架期，常见的干燥方式如冷冻干燥能最大限度保留其原有的品质和营养价值。前期工作已经证明，超声辅助渗透脱水可以作为一种前处理方式应用于双孢蘑菇的冷冻干燥加工中。针对该渗透过程进行有效预测双孢蘑菇质量参数的变化亟待解决。传统的农产品内部品质分析主要依靠破坏性方法，效率较低。

可溶性固形物是评价农产品内部品质的重要指标之一，也是相关研究中的关注点之一。目前有些研究基于高光谱对不同农产品可溶性固形物含量的变化进行了一定的预测和分类，分析了其内部品质。然而这些研究中模型的精度及稳定性有待提高，预测效果不够理想，且很少针对动态过程进行实时监控。

因此，建立基于高光谱技术的双孢蘑菇超声辅助渗透过程可溶性固形物含量预测的方法，可以为进一步分析农产品贮藏及加工过程的质量参数提供理论支持，具有十分重要的意义。

发明内容

有鉴于此，本发明的目的在于提供一种基于高光谱的双孢蘑菇超声渗透过程可溶性固形物含量预测方法，本发明的预测方法基于高光谱成像和数学建模技术有效地评估了超声渗透对双孢蘑菇可溶性固形物含量的影响，具有无损、快速、准确等优点，可有效地检测超声渗透过程中双孢蘑菇可溶性固形物含量的变化。

为了实现上述发明目的，本发明提供以下技术方案：

本发明提供了一种基于高光谱的双孢蘑菇超声渗透过程可溶性固形物含量预测方法，包括以下步骤：

将双孢蘑菇分为对照组和实验组；将所述实验组中的双孢蘑菇样品置于渗透液中进行不同时间的超声渗透处理，得到对照组样品和实验组样品，所述对照组样品为未进行超声处理的样品，所述实验组样品为进行超声渗透处理的样品；所述渗透液为质量浓度为40～60％的蔗糖水溶液；所述超声渗透处理的条件包括：超声频率为30～50kHz，功率为150～250W，温度25～40℃，固液比为1：8～12；

对所述对照组样品和实验组样品进行高光谱扫描，得到样品高光谱图像；

选取所述对照组样品与实验组样品除边缘外全部区域作为感兴趣区域，从所述样品高光谱图像中提取平均光谱，得到原始光谱；

使用正交信号校正对所述原始光谱预处理，得到预处理光谱；采用竞争性自适应重加权算法提取所述原始光谱的特征波长，形成特征光谱；

对所述对照组样品和实验组样品榨出的定量双孢蘑菇汁液中的可溶性固形物含量进行测定，获得样品可溶性固形物含量值；

利用偏最小二乘回归算法分析特征光谱矩阵与可溶性固形物含量值矩阵，建立特征光谱矩阵与可溶性固形物含量值矩阵的线性回归模型；

采集待测超声处理的双孢蘑菇样品高光谱图像，提取待测特征光谱，将待测特征光谱矩阵输入所述线性回归模型，得到待测超声处理的双孢蘑菇样品的可溶性固形物含量预测值。